Análise preditiva no Excel: previsão e regressão

1. Introdução: Oi, meu nome é Ruben, e nesta aula vamos mergulhar em previsão e regressão no Excel. Então, nesta aula, ensinarei como você pode usar o Excel para prever dados como seu inventário, suas vendas ou outras finanças usando o Excel. Nós também vamos rever a regressão, ou podemos olhar, por exemplo, para o que impulsiona suas vendas são, o que impulsiona seu inventário. Ganhei minha experiência com o Excel, trabalhando para diferentes organizações de grande porte, como ING Bank, Pfizer, onde tenho ajudado as pessoas e ensinado as pessoas como elas podem tomar melhores decisões usando o Excel. Então, antes de mergulharmos neste copo, é bom saber que este vidro requer que você saiba um pouco como funciona o Excel. Como se não estivéssemos realmente indo mergulhar em fórmulas básicas, mas também não vai ser ciência. Você não precisa ser um matemático para entender as fórmulas que estamos aplicando. Vamos principalmente olhar para ele de um ponto de vista prático. Assim, você pode começar a prever seus dados. Além disso, acho que será uma boa idéia se você se certificar de que você tem o Excel 2016. Uma vez que nem todas as fórmulas desta classe estão disponíveis em versões mais antigas no Excel. Então eu espero que você fique animado tanto quanto eu para mergulhar no assunto e mergulhar nesses recursos de previsão quantitativa que não foram muito conhecidos no Excel. Então eu espero vê-lo no próximo vídeo onde vamos passar para o esboço e o projeto desta classe. Obrigado. 2. Resumo e projeto: Olá e bem-vindo ao vídeo onde estaremos olhando para a visão geral da classe e a descrição do projeto de nossa análise preditiva de classe no Excel, previsão de regressão. Então nossa turma será, como diz o título, basicamente dividida em partes. Vamos falar sobre previsão e vamos falar sobre regressão. E, portanto, vamos começar com uma introdução à previsão e esta classe. O objetivo principal desta classe é tornar essas funções que não podem parecer um pouco intimidantes, especialmente a regressão, para facilitar a compreensão sem necessariamente ser um especialista em estatística. Vai ajudá-lo a entender melhor a classe se você sabe uma coisa ou duas sobre estatísticas. Mas meu objetivo é que mesmo que você não faça isso, você ainda será capaz de usar essas ferramentas depois de ter assistido esses vidros. Então a primeira função em que vamos mergulhar é a previsão linear. O segundo será a previsão sazonal e exponencial. Ou vamos discutir padrões recorrentes e previsões um pouco mais avançadas. E então vamos calcular o intervalo de confiança. Então, com base em uma porcentagem de segurança, vamos dar nosso pior caso e nosso melhor cenário fora de nós mesmos previsões. No número 234, ele estará mergulhando no Excel, mostrando como esses recursos estão sendo feitos. E na primeira classe, vou apenas explicar algumas coisas básicas, um ou dois minutos sobre previsão. E então a segunda parte será a regressão. Então, novamente nesta classe e sua introdução de vídeo para regressão será olhar o que são as coisas em ferramentas e alças que você precisa saber antes mergulhar no Excel e realizar uma regressão você mesmo. Então, basicamente vamos falar sobre o que significa fazer uma análise de regressão e a nafta, aquele vídeo, vamos mergulhar no Excel e vamos fazer uma análise de regressão nós mesmos. Neste vídeo, também explicaremos e abordaremos como você interpreta os resultados de sua análise de regressão. Depois de ter feito o vídeo seis, vamos entrar em nossa revisão do projeto. Após esta lista, depois de falar sobre a classe irá neste vídeo para o projeto e o que isso significa. E então V0 vai ser o ideal. E eu vou para os projetos da classe. Assim, o projeto de classe será uma previsão e análise de nossos dados de vendas. E será um relatório que você dará para a gestão superior de sua empresa, incluindo a escolha entre as funções lineares ou sazonais para prever os próximos anos de dados de vendas. Todas essas tarefas para um projeto de classe também serão abordadas em nossas lições anteriores. Então, antes de menos de sete, você deve ter todo o know-how de realizar os próximos quatro tópicos. Então o segundo é calcular os intervalos de confiança em sua previsão. Em terceiro lugar, o projeto forneceu alguns dados extras que poderiam influenciar nossas vendas. E, portanto, caberá a você ver se você pode descobrir quais variáveis, quais variáveis independentes estão afetando nossas vendas. E N4, eu anexei, Vou mostrar-lhe isso daqui a pouco. Excel, ou você pode apresentar suas descobertas em um bom relatório e dar algumas métricas-chave extras com ele. Então vamos usar dois arquivos. Um arquivo, que é um conjunto de dados diferente que vou usar para as classes. Vou carregar este também para que você possa rever como eu fiz isso. E o outro vai ser para o projeto. E ele contém dados e um modelo que você vai usar para atribuições. Então vamos mergulhar no arquivo que vamos usar para o projeto. Certo, então este é o arquivo do Excel, mas vamos usar para o nosso projeto. Então aqui você encontrará as instruções. E vamos usar esse esboço para preencher gráficos que precisaremos para nossa análise. Então nós não vamos apenas calcular beta up ou então vamos convertê-los em gráficos. E esses gráficos que vamos colocar nesses campos. E então aqui, vamos ter alguns dados extras de regressão. Vamos avaliar nossa análise de regressão da turnê. E esses dados que podemos colocar aqui. Então deixe-me mostrar rapidamente os dados brutos. Este é um dado de haste que estamos usando. E esta é uma espécie de loja Home Depot com entradas de selos. Então aqui temos as vendas, o desconto de quantidade de lucro, e alguns outros dados que não vamos usar todos os dados. O mais importante é meio que ser vendas, ordem, data e desconto. E eu já fiz, você não tem que fazer nada com os dados brutos. Eu já resumi os dados para você aqui. Assim, por mês, podemos ver duas vendas relatadas. Seu objetivo é adicionar as previsões de vendas que o intervalo de confiança, o limite inferior e os limites superiores. E também para traduzir isso no gráfico que estamos vendo aqui. E então, para a análise de dados, regressão terá a mesma coisa. Então, já temos os dados. Você não precisa mais fonte de dados. Seu objetivo é fazer a análise de regressão aqui mesmo. E então também converter esta análise de regressão com os dados que temos aqui nos gráficos apropriados que eventualmente podemos copiar e colar e colocar em nossa etapa de instrução. Por favor, leia as descrições por gráfico, o que precisaremos fornecer a fim de dar a representação correta do que estamos procurando, um o que queremos dizer. E as empresas contratam a gerência. E aqui você pode preencher até a análise de regressão. Então, novamente, tudo tem uma descrição. Eu ajudei você com algumas dicas e truques através, a fim criar este modelo para a gestão de contratação de empresas. E desejo-lhe boa sorte com o projecto. Desejo-lhe boa sorte com os próximos sete vídeos sobre previsão e análise de bugs e regressão e sobre relatórios. E no caso de você ter alguma dúvida, sinta-se livre para deixar as perguntas abaixo sobre este paciente Compartilhamento de habilidades. E eu vou te ajudar o mais rápido possível. Boa sorte com as aulas. 3. Introdução à previsão: Tudo bem, então antes de mergulharmos na aplicação da nossa técnica de previsão no Excel, eu quero brevemente abordar Reetu quais as diferentes definições estão dentro da previsão. Então, neste vídeo, vamos entrar nisso. E o que é previsão realmente atende. Portanto, a previsão é o processo de fazer previsões do futuro baseado e dados passados e presentes. Mais comumente por análise de tendências. Significando que podemos olhar para diferentes epics transferência ir olhar em tendências lineares e, e tendências sazonais. E alguns exemplos da indústria são para marketing. Previsão. A demanda e a oferta são muitas vezes altamente sazonais. Características. Pense em uma loja de sorvete ter que comprar mais inventário para sorvetes no verão porque mais pessoas comem sorvete indo para o inverno, menor estoque. Eles realmente podem se beneficiar de técnicas de previsão, a fim de decidir quanto sorvete eles devem comprar. Assim, para o departamento financeiro, poderia ser um ótimo, a fim de prever vendas ou receita, alocar os orçamentos certos para fins derivados, e fazer uma análise de mercado, por exemplo, para finanças que estão mais envolvidas em mercados de ações em nossos mercados financeiros. E, em seguida, o RH, você pode usá-lo para planejamento. E quantas pessoas você precisará colocar no escritório MDL são colocadas no terreno de trabalho. Você pode prever ausência, produtividade. Todas essas coisas precisam estar ligadas a certas tendências. E novamente, eu quero enfatizar que na previsão, nós estaremos olhando para a parte quantitativa da previsão e previsão de nossos dados. No entanto, cada Trento também tem uma parte qualitativa. E então nós também precisamos saber, eu não estou apenas cegamente ir para nossas previsões quantitativas. Sempre ajuda você a investigar e pesquisar por que certas tendências estão acontecendo. E isso pode otimizar sua previsão. Então chegamos a linear versus exponencial. Linear é uma maneira muito simples de prever. Basicamente, leva a taxa média de crescimento e você vai estender essa taxa de crescimento para o futuro. Então, se hoje eu vender um sorvete, amanhã eu vendo para sorvete em dois dias, eu vou vender três sorvetes. Isto é basicamente linear. Exponencial é mais avançado e há recursos no Excel que usam fórmulas complicadas que tem detetive, há uma tendência sazonal para ele. Então, para os melhores recorrentes, como dissemos com as vendas de sorvete, esta é uma ótima maneira de prever seus dados e, além disso, também suavizará os desvios. Então, se houver certos picos que não vemos nos outros padrões recorrentes, ele deixará de fora, fora da previsão e tentará dar a você a previsão mais precisa na previsão exponencial ou sazonal possível. Então, há um par de funções para usar. Para o primeiro é previsão ou previsão ponto linear. Eu recomendo usar previsão de NINR faz é basicamente mais um problema de compatibilidade. Os destaques mais antigos usarão previsões e mais recentes previsões de uso escolar Excel ou previsão linear ponto ETS prevê o seu, seus valores dos meses cirurgião no futuro com base nas tendências ou padrões. Então previsão ponto ETS, ponto sazonalidade vai olhar para, vai nos dar, nos retorna o comprimento do padrão. Então todos os anos temos um pico de vendas ou um pico de beta. A sazonalidade nos dará passos próximos para dependente através do intervalo de confiança de previsão de repetição. Isso é algo que vamos discutir em vídeos também. Isso ajuda você a criar um intervalo, então um limite inferior e superior de como podemos ter certeza de que nossa previsão vai estar entre esse limite inferior e superior. Há sempre um nível de confiança, que no caso padrão é 95%. Então podemos dizer com 95% de certeza com base nos dados passados, nossos dados futuros estarão entre um certo intervalo. E, em seguida, último, este é um mais avançado que não vamos discutir nesta classe e seu ponto de previsão ETS Darmstadt. E isso vai lhe dar um dos necessários são uma das métricas de retorno preferidas. Então, se quisermos saber o alfa, beta, gama, podemos obter aqueles ou ainda mais avançados MAC S MAP, MAE ou RMSE ou para o tamanho do passo. Mas como eu disse, estas são métricas estatísticas altamente avançadas e complicadas em, e novamente, este propósito deste vídeo é chegar a algumas ferramentas, pessoas para pessoas no escritório, para pessoas nos negócios fizeram e desnecessariamente experimentos estatísticos. Então, vamos mergulhar nisso. Tudo bem, então foi isso para este vídeo. Nos próximos três vídeos, vamos mergulhar em como você pode realmente prever dados. Então nós estamos realmente meio que chegar à parte emocionante de aplicar todos esses Fordham e nós, não todos esses, mas a maioria dessas fórmulas e técnicas que temos discutido neste vídeo. E espero que nos vejamos no próximo vídeo. 4. Previsão: Olá e bem-vindos ao trabalho de ouvir. Vamos começar criando nossas fórmulas de previsão. Então, bem na minha frente, eu tenho folha beta r. E em nossa ficha de dados temos unidades vendidas de dois tipos diferentes de produtos. Então temos bebidas e lanches. Nesta lição, vamos analisar como você pode ver quais dados você deve usar previsão linear e por que previsão linear é uma ótima ferramenta para prever o futuro de suas vendas. Então aqui temos dados de 2013 até 2090. E queremos prever tudo além de 2019, dois mil vinte e dois mil vinte e um no nosso caso. Então o que vamos fazer é começar a estender nossos dados. By the way, eu uso vendas como um exemplo. Mas, obviamente, que a previsão linear, é aplicável para qualquer tipo de números que você pode realmente prever de forma linear. Vou mostrar-te o que quero dizer com isso agora. Então, como você pode ver, temos dois tipos diferentes de dados. Então bebida alma e cobras vendidas. O que vou fazer agora é criar rapidamente um gráfico dos dados. Então, selecionamos os dados, clicamos em inserir. E aqui podemos clicar em um gráfico de dispersão, que vemos agora é bem aqui. Abrimos um pouco. E como você pode ver, há dois tipos muito diferentes de linhas e linhas que vemos agora. Então o que eu quero explicar a vocês é como você pode ver se você deve aplicar a previsão linear. Obviamente, os dados sempre vêm com informações qualitativas também. Então, sabendo de onde seus dados estão vindo, sua saúde vai ajudá-lo a decidir que tipo de previsão você deve usar. Mas neste caso, onde temos os pontos laranja, que você pode ver aqui vem da quantidade de lanches vendidos. Podemos ver claramente que tem uma linha muito reta, não é como as bebidas ou temos um padrão recorrente. E uma vez que esta é uma linha reta, e podemos usar um previsões lineares. Assim, previsões lineares podem ser feitas de duas maneiras. A primeira maneira seria um peso mais visual. Ou selecionamos nosso gráfico. Vamos para gráfico projetado, Adicionar elementos de gráfico. E nós clicamos aqui na linha de tendência. Se clicarmos agora na linha de tendência linear, queremos prever primeiro, depois vendemos a laranja. Podemos ver como ela progride. Assim, como disse, criámos mais dois anos, que são dois mil e vinte e dois mil e vinte e um. Portanto, temos mais dois anos aqui nos eixos X. E podemos ver como o Excel está calculando nossas tendências lineares para continuar nos próximos dois anos. Então, o que significa que se vamos aplicar a previsão linear, não são pontos devem ser em torno desta linha também. Então, vamos começar a prever de uma maneira mais precisa. Então nós vamos fazer, é vamos criar aqui e outros. E vamos criar outra coluna. E este que vamos chamar de lanches previstos. E aqui mesmo, onde ainda não temos número de cobras, que é o primeiro de janeiro de 2020. Vamos começar a adicionar a nossa fórmula. Então começamos a digitar previsões. Mas o Excel linear e antigo introduziu previsões, que é apenas previsão. Mas por razões de compatibilidade, eu recomendo a você apenas usar previsões lineares, algum novo recurso. É basicamente a mesma névoa e previsão de futuro, mas é apenas mais atualizado. Então eu recomendo que você continue com a previsão, mas linear. E também como não deve confundir com outros recursos de previsão para adicionar estão presentes. Então começamos com quatro tipos lineares. Se você precisar de ajuda, você pode clicar neste botão aqui. E, em seguida, no lado direito vai ajudá-lo a construir uma fórmula. Então temos que começar com o próximo número. Neste caso, serão as datas. Portanto, queremos saber a data da qual queremos prever. E o segundo seria o nosso “Y “conhecido, que são os nossos valores conhecidos. O que, neste caso, será o próximo vendido, que é do passado. Mas nós fazemos este c2. E para isso, precisamos ter as mesmas linhas que ser nossos y's. Mas, nesse caso, vamos usar as Datas. Novamente. Vamos fazer disto um dois. E é isso. E agora temos nossos dados inseridos. E agora, se clicarmos em feito, teremos nosso valor aqui. Antes de começar a aula base, ainda não o fiz. E um número para muitos URLs de criação sem servidor. Sinto muito, isso é material de oponentes. Nós entramos em decimais. E agora criamos nosso primeiro valor previsto de negador, que é baseado no valor anterior. Então, agora queremos fazer isso pelo resto dos meses dos próximos dois anos. Antes de fazermos isso, certifica-te de que procuramos. Ambos são Daydream fora dos dados recentes que estamos usando para criar nossa previsão. E uma vez que tenhamos feito isso, podemos continuar para o enésimo poder nosso banco de dados. Está bem? Então agora temos nossos valores previstos. Para visualizar isso, o que podemos fazer é criar um novo gráfico, que neste caso será, e vamos usar o mesmo gráfico que já temos usado. Nós vamos para o design gráfico. Poderíamos clicar em selecionar dados e vamos adicionar outra coluna, que neste caso vai ser a coluna D. Então vamos aumentar o nosso intervalo de dados. E agora temos esses valores previstos plotados aqui também. E como você pode ver que isso está exatamente na linha de tendência. Então, em previsões lineares basicamente significa que desde o primeiro ponto até o último cinto de resultados teóricos já temos. O Excel está calculando a média das horas extras da raiva da estrada. Então, toda vez que movemos um valor para x, isso significa ser um valor padronizado de y ou quanto ele está chamando. Então, para cada movimento para a direita, precisamos ter o mesmo valor para que possamos manter um crescimento consistente. E, eventualmente, isso acaba nessa linha. E isso é basicamente usando o crescimento médio dos dados passados que temos usado. O que basicamente significa que esta é uma forma muito simples de prever. Mas sim, para dados lineares em vendidos suas necessidades de previsão. Então foi isso, por enquanto, para a nossa previsão linear. Então, na próxima aula, vamos olhar para a previsão sazonal, também chamada de previsão exponencial. É um pouco mais avançado, mas ainda assim uma maneira muito fácil de prever no Excel. E espero te ver no próximo vídeo. 5. Previsão: Bem-vindo ao próximo vídeo sobre previsão. Neste vídeo vamos discutir sazonais, também chamadas de previsão exponencial. Então, no último vídeo, estivemos olhando para a previsão do negador, que é contínua com a taxa de crescimento média que estamos tendo no melhor e colocar um futuro assume a mesma taxa de crescimento média. Eu faço basicamente apenas segue a linha de tendência. Isso é, em suma, o que temos falado em nossos próximos, em nosso último vídeo. Mas neste vídeo vai ser uma previsão um pouco mais avançada, já que vamos olhar para padrões recorrentes, sazonais, um casting de discos exponencial. Então, como você pode ver nesta linha, é uma linha reta. Mas não teríamos que traçar nossas bebidas vendidas e nossas bebidas previstas. Você vai ver que para este um vai precisar de um tipo diferente de previsão real rápido. Então deixa-me mostrar-te porquê. Quer dizer, organizá-los corretamente e colocá-lo ao lado do nosso outro gráfico. Tudo bem? Então, como você pode ver já neste é um pouco menos simples do que o nosso primeiro parágrafo. E se pudéssemos adicionar uma linha de tendência a este gráfico, então não fazemos design de gráfico e clicamos em Trendline. Vou comprar bebidas vendidas. Você verá que se aplicarmos previsão linear é apenas uma espécie de seguir ao longo desta linha de tendência. E definitivamente não está de acordo com o que estamos vendo aqui. Parece que é mais como ondas subindo e descendo. Então, a fim de corretamente os meteorologistas, vamos usar uma fórmula, previsão exponencial. Então, o que parece é previsão pensamento ETS. Vamos abrir nossos parênteses. Podemos clicar aqui novamente sobre estes botão fórmula para nos ajudar um pouco com os dados que temos que adicionar. E é igual ao linear. Começamos com a data-alvo, que neste caso é o primeiro de janeiro de 2020. Nossos valores, alguns são passados Beta conhecido, que é como um polígono, que é este intervalo. A partir da V2. E a nossa linha do tempo. Vai ser a mesma quantidade de ROS que temos para os nossos valores, mas então vai ser Holanda a. Você pode adicionar se já existe uma sazonalidade conhecida. Então, uma bateria recorrente. Você pode adicionar a quantidade de pontos de dados são x valores aqui, ou consulte a conclusão. Então, quando há, por exemplo, duas vezes, sinto muito. Se houver falta de ordinário não é realmente um ilegível para aconselhamento, você pode dar ao Excel a opção de como ele deve interpretar isso como 0 ou como a média. E uma agregação. Você pode decidir sobre alfabetização. Duas vezes. Por exemplo, beta para ele um segundo de janeiro. O que fazer com essa cimeira? Todas as crianças contavam. Então é isso que você pode fazer em todas as nações por enquanto vamos deixar isso em branco. Estes são opcionais. Você não precisa deles agora. E agora calculamos nosso primeiro valor no primeiro valor sazonal. E assim como devemos fazer com linear, precisamos ter certeza de que mantemos esses fixos para que nossas áreas ainda se movam. Deixe um que vamos arrastar para baixo a fórmula. E assim que fizermos isso. Então agora temos todas as nossas previsões de dados. Agora vamos ver como isso se parece. Então, quando olhamos para o nosso gráfico, já podemos ver os pontos amarelos que foram adicionados. E como já expliquei esta linha de tendência, tendências carregadas vangloriosas. Então, de acordo com essa linha de tendência, ao longo dos anos, nossos valores estão subindo ligeiramente. Mas mais evidente é como ele prevê que são padrão recorrente. Para torná-lo ainda mais claro, vamos criar um gráfico de linhas a partir disso em vez dos pontos. Então vamos passar pelo tipo de gráfico de alteração e vamos olhar para linha, vamos selecionar as duas linhas aqui. E como você pode ver agora, podemos ver ainda mais claramente o movimento de nossos dados e quão bem ele é previsto. Se tivéssemos usado linear, novamente, isso seria apenas uma linha reta subindo ligeiramente, que neste caso definitivamente não seria a previsão certa para este tipo de dados. Para preencher esta lacuna. Só um pequeno truque. O que você deve fazer é com esses dados. Então, para 1349, adicionado aqui também. E então nosso gráfico deve parecer uma linha. E ele faz. Então aqui está o toque agora. Então vamos rapidamente como você se aplica em previsões de sazonalidade. Super útil para padrões recorrentes. Neste caso, são bebidas. E se olharmos para os nossos dados e provavelmente podemos ver, mas também é algo que vamos mergulhar e mais tarde nesta aula. Mas provavelmente vai ser baseado na temperatura, baseado no ano. Antes de mergulharmos na análise de regressão, que revelará por que nossa base de dados está chamando para cima e para baixo, vamos primeiro mergulhar em intervalos de confiança. Então, no próximo vídeo, eu vou mostrar a vocês como você pode ter certeza sobre essas previsões. Em um Excel dá-lhe as ferramentas para visualizar, calcular e visualizar uma gama de previsões tumultuosas devem estar caindo no meio com base no nível de confiança do cirurgião. Então espero te ver no próximo vídeo. Obrigado. 6. Previsão: Olá e bem-vindo ao nosso próximo vídeo. Então neste vídeo vamos calcular o intervalo de confiança. Então eu vou primeiro explicar para vocês o que é um intervalo de confiança e por que você quer aplicá-lo. E então eu vou demonstrar a vocês como você pode aplicá-lo e também como você pode visualizá-lo nos gráficos que temos criado nas classes anteriores. Então o que eu quero dizer tempo entre este vídeo e o último vídeo, eu acabei de formatar nossa folha e um pouco de adicionado algumas colunas extras. E eu tenho batidas coloridas como laranja e eu chamei bebidas coloridas de azul para nós para obter uma visão melhor. E eu fiz coisas através da Plessy. Tudo bem, então vemos aqui para prever valores, o que temos feito nos últimos dois vídeos. Neste, vamos calcular nosso intervalo de confiança. Então intervalo de confiança basicamente é o intervalo dentro de nossos valores preditos deve cair. Isto é baseado em quão confiante estamos que certos valores que caem em uma raiva. Então, se adicionarmos a esta fórmula, Por exemplo, lá queremos um intervalo em que estamos 95% de certeza. Valores futuros cairão em estatisticamente C. Vamos ter um intervalo que fazemos menos braço valor previsto e mais o nosso valor previsto. E deve ser aí que nossos valores devem ser previstos dentro com base nessa certa porcentagem. Soa um pouco intimidante, talvez, mas vamos manter as coisas simples. Todo o propósito desta classe é manter esses recursos do Excel simples e fáceis de entender. Por isso, eu só vou mergulhar nele e explicá-lo ao longo do caminho quando eu tenho apenas explicado para você. Então vamos passar por bebidas limitadas e congelar a primeira fila um pouco rápido, só para termos uma visão melhor e depois ver a primeira coluna e a primeira real. Oh, isso não é o que eu queria ser. Papel de coisas livres. Tudo bem. Então vamos ter que intervalo de confiança. Este é muito mais simples adivinhação se usarmos esse valor para criar uma linha melhor em um charter não estava no último vídeo, então vamos começar no segundo valor. Este é o primeiro valor previsto. O que fazemos é escrever a previsão. Ets. Assim, pensei que representa um intervalo de confiança. E vamos abrir os parênteses. E como temos feito em nossas outras aulas, podemos clicar aqui neste botão. E novamente, nós podemos apenas preencher hoje estão aqui. Por isso, vamos estacionar um debate que seria o caso contra o primeiro de Janeiro de 2020. Vamos selecionar o intervalo de valores, que é exatamente como as fórmulas anteriores que estávamos fazendo. Que vamos selecionar nossa linha do tempo. E então podemos selecionar nosso nível de confiança. Então é isso que eu tenho explicado. Isso é uma espécie de bater uma porcentagem. A porcentagem de segurança que queremos que nossos dados caiam dentro desse intervalo que estamos prestes a calcular. Nosso gasto. Esse valor é 95%. Por enquanto, vamos manter isso assim para que possamos deixar isso em branco. E como também vimos em nosso vídeo anterior aqui, podemos adicionar a sazonalidade, conclusão de dados e agregação, que explicamos no último vídeo. E, por enquanto, vamos deixar isso em branco também. Não encontramos esses passos. Se você ainda não tem certeza do que eles significam, por favor, volte ao nosso último vídeo e verifique as definições deles, ou role aqui para baixo. E você também pode ler o que eles significam e o que eles fazem. Então, agora clicamos em Concluído, e agora temos um intervalo de nosso valor. Então 95% de certeza de que nossa previsão vai estar dentro de 150 set X6 menor, ou maior do que o nosso valor previsto. Então, como temos feito em nossos últimos vídeos, vamos olhar nosso alcance. E eu ia conseguir essa. Lá vamos nós. Podemos criar nosso limite inferior e superior, que será nosso valor previsto menos nosso intervalo de confiança. E o valor base R4 mais o nosso intervalo de confiança. Então esta é a nossa gama de que temos 95% de certeza que o valor real previsto ou o valor futuro vai estar dentro dele. Tudo bem? Então agora vamos voltar ao nosso gráfico e vamos visualizar esse intervalo de confiança. Então nosso gráfico deve estar bem aqui. Este. Vamos desenhar um gráfico aqui em cima. Vamos selecionar os dados. E nós vamos adicionar alguns dados que vai ser até a coluna F, que é limite superior eles. Já devias estar a ver as nossas falas como vimos na última aula. Temos que adicionar outro valor para garantir que a linha continue bem de nossos resultados, o que estamos fazendo copiando este. Desculpe, acompanhando este aqui e passeando por ano. E nosso gráfico pode ser um pouco e parecer um pouco mais bonito. O que é agora, vamos formatá-lo bem rápido e tende a chamadores fora de nossas linhas. Então, clicamos em nosso comprimento são Millenials é laranja. Então vamos usar para o limite inferior e superior um pouco mais claro e cor laranja, que seria este. E agora vamos pegar o mesmo. Para um limite inferior. Estamos recebendo uma ótima visualização da nossa gama em que nossa previsão poderia ser. Então, agora, se aumentássemos nosso nível de confiança, pense por si mesmo por um segundo, o que aconteceria com essas duas linhas mais leves? Então eu já vou dizer que nosso valor previsto permanecerá o mesmo. Mas algo aconteceu com o Live School Legal mais amplo. Um pouco, eles ficam mais finos. Tudo bem. Ainda quer pensar nisso? Basta pausar o vídeo bem rápido. Então, se aumentarmos nossa confiança, então se você quiser ter mais certeza sobre ter que escrever previsão, que significa que se fosse 98%, por exemplo, ou 99% em vez de 95, Lang deve se tornar mais amplo. Então, se as linhas se tornam mais amplas, podemos dizer com mais certeza como hey, yeah, eu acho que temos mais chance agora de nosso valor de previsão, valor previsto. Os eventuais resultados do nosso valor previsto cairão dentro do intervalo. Então, quanto maior o alcance, mais certo você pode ter que é meio que estar dentro do intervalo. Se vamos diminuir nosso nível de confiança para, digamos 85%. Devíamos ter um alcance menor. Porque a pressão está desvanecendo dentro de um alcance. Mas também pode ser menor. Certo? Então, isso oferece uma ótima visão geral para valores de previsão. E espero que tenha sido uma lição útil para você. Além disso, é uma ótima maneira de visualizar, especialmente se você precisa reportar coisas e também para o nosso projeto. E é uma ótima maneira de visualizar a previsão futura com base na certeza de que você precisa Font Awesome. Então, no próximo vídeo, vamos olhar para os dados de previsão individuais que podemos obter fora das fórmulas. Alguns dados pesados que podemos usar para explicar nossas previsões um pouco melhor e para saber um pouco mais sobre nossas previsões. Então, obrigado por assistir este vídeo, e eu vou vê-lo na próxima lição. 7. Introdução à regressão: Olá e bem-vindos à introdução à regressão. Neste vídeo, vamos discutir o que significa, o que significa uma regressão. E isso vai nos dar as ferramentas que precisamos para mergulhar em nossos próximos dois vídeos onde mergulhamos em fazer a análise de regressão. Então, as principais coisas em uma análise de regressão é que ela sempre começa com uma hipótese. E então você criaria hipóteses para, por exemplo, eu acho que são as hipóteses de que quando a temperatura sobe, vendemos mais gelados. Ter essa parte qualitativa da equação, ter essa oferta qualitativa sua regressão após análise de regressão é muito importante porque apenas analisar dados não necessariamente lhe dá por que há um certo relação entre dois conjuntos de dados. Portanto, é muito importante também analisar por que pode haver uma certa correlação entre dois pontos de dados. Então a hierarquia será, que também estaremos mergulhando em nosso próximo vídeo, progressão, força. Então, primeiro de tudo, queremos olhar e ver quão forte é essa correlação. Então, se subirmos um grau de temperatura, um grau Celsius, quanto mais sorvete achamos que venderemos? E o último é dois. E isso vai mostrar como estamos certos que isso é realmente uma correlação e regressão que estamos vendo em nossos dados. Então exemplos, assim, cliente H afetar nossas vendas ou se o valor do dólar dos EUA sobe, isso também afetou o preço das ações do Google ou assim, os períodos de entrega efeito absenteísmo empregado. Essas três questões podem ser respondidas em aspectos quantitativos utilizando a análise de regressão. Mas, novamente, não podemos assumir diretamente que essas hipóteses serão verdadeiras. Essas questões serão verdadeiras, principalmente fazendo a parte quantitativa da pesquisa. Você também terá que mergulhar ainda se há realmente uma relação entre as variáveis que estamos vendo e as questões de dose. Então é assim que a regressão faz loops como aqui no lado direito, você vê uma linha de tendência cercada por débitos. E você pode ver que em como contratado para comprado está no valor y. Quanto mais provável é que ele, Eu vou ser alto e o valor x. Então isso é basicamente o que uma regressão encontra lá mais perto que fica dessa linha. Quanto mais certo estivermos sobre a nossa agressão. E quanto mais disperso e mais em todos os lugares em um gráfico, a regressão menos significativa será. A inclinação da nossa linha vai determinar o quão poderosa nossa regressão e estas são coisas que estaremos olhando para um vídeo anexo também. Então, basicamente, a análise de regressão analisa a relação entre as variáveis independentes e dependentes. Então temos diferentes variáveis como temperatura, pessoas lá fora e, e as pessoas e o que são as lojas estão abertas. Estas três variáveis podem influenciar o nosso aprofundamento e V2 poderia ser destilados chorar, gritar, por exemplo. E análise de regressão vai ver se, se C vai para cima, b vai para cima, ou vai para cima se nossa variável dependente também vai para cima ou para baixo, obviamente. Então, houve uma bela introdução da análise de regressão. Vamos mergulhar na realização de uma análise de regressão no nosso próximo vídeo. E espero te ver lá. 8. Regress: análise: Olá e bem-vindo ao próximo vídeo onde vamos olhar para análise de regressão. Neste vídeo, eu estarei em breve expandindo sua ampla nós somos contextos um de análise de regressão. Vou mostrar-lhe como você pode habilitá-lo no Excel. Estudantes, não é um recurso padrão no Excel. Eu também vou te mostrar como você pode fazê-las. Como você pode fazer a análise de regressão. Então, quais são os passos que você toma para criá-lo? E por último, vamos rever o que olhar para a saída da análise de regressão. Então, antes de começarmos, este é um dos vídeos onde alguns conhecimentos prévios sobre estatísticas são recomendados. Vou tentar mantê-lo o mais leve possível, mostrou que as pessoas que não necessariamente têm experimentado quais estatísticas podem acompanhar e ainda aplicar análise de regressão para seu próprio propósito. Mas novamente, para beta, vamos estar olhando, você provavelmente tem uma idéia melhor do que isso significa se você tem alguma experiência com estatísticas. Muito bem, antes de começarmos, vamos olhar para os nossos dados. E quero mostrar por que você pode querer fazer uma análise de regressão. Então nós temos a bebida é vendida e nós temos Sinek vendido. Todos nós devemos ter que atualizar a temperatura em nossos vídeos anteriores. Na coluna N. No entanto, eu os coloquei um ao lado do outro para que você possa ver por que podemos querer considerar isso. Então, se formos para o gráfico que criamos em nossa classe de previsão e você pode ver que há um padrão recorrente muito forte em bebidas sendo vendidas. A fim de descobrir por que é tão flutuante e o que determina as nossas bebidas para subir e o que as determina a descer. Queremos fazer uma análise de regressão para ver qual é a relação. Então aqui, temos bebidas vendidas, e como podem ver, bondade da temperatura parece flutuar junto com as bebidas vendidas. Então, antes de fazer nossa análise de regressão, queremos definir a hipótese de que a temperatura afeta o número de febril vendidos. Embora isso seja meramente quantitativo e você análise de regressão, você vai descobrir de forma quantitativa se isso é verdade. Isso não significa necessariamente que isso está correlacionado e isso está diretamente relacionado. Um exemplo rápido seria quando muitos sorvetes estão sendo vendidos. Há também muitas mordidas de tubarão. No C. Parece que não tem nada a ver é fechar um ao outro e não faz. Quando você faria uma análise de regressão com esses dois eventos, você descobriria provavelmente que há regressão. Embora comer mais sorvete não tenha nada a ver com mais pessoas sendo mordidas por tubarões ou mais bytes por tubarões não vai fazer com que mais pessoas comprem neve de sorvete. O que é a variável independente? E é só o tempo. Então, quando há, quando o tempo está bom e as temperaturas são altas e mais pessoas estão indo para a praia onde as pessoas estão em risco de ser mordidas por tubarões e mais pessoas compram sorvetes. Só estou tentando mostrar que é muito importante pensar sobre por que pode haver uma correlação entre seus dados. Então não é apenas quantitativo. Há também uma parte qualitativa na busca de relações entre dados. O que nesta aula estamos apenas focando na parte quantitativa. Tudo bem, então com isso dito, vamos começar a criar nossa análise de regressão. Teremos que ativá-lo primeiro. Depende da versão do Excel que você usa e depende do sistema operacional que você usa. Uso um mech e tenho o Office 365. Então, para mim, isso significaria que eu tenho que subir aqui, clicar em ferramentas, clicar em Suplementos do Excel. E aqui você pode adicionar a análise de volta. Para pessoas que estão usando o Windows ou versões diferentes do Excel, vá para opções e elas são boas para editar. E para algumas pessoas que provavelmente vai estar bem aqui. E aqui você pode clicar em opções e você pode eventualmente selecionar edições e, em seguida, Analysis ToolPak. Se você está ficando preso aqui, nunca convença você a dar uma rápida pesquisa do Google em sua versão do Excel, você tem seu sistema operacional, e você definitivamente deve ser capaz de encontrá-lo. Há apenas uma variedade de opções, como você pode chegar lá. Então, agora vamos de baixo uma vez que tenhamos ativado o nosso Analysis ToolPak. E vamos todo o caminho para a direita, clicamos na análise de dados, e aqui podemos selecionar regressão. Então, clicamos em OK. E agora podemos começar, começar a selecionar nossos dados. Então, meus dados já estão selecionados. Eu tenho aqui A1, desculpe, que deve ser B1 até o 85. E este deve ser C1 até 85. Queremos selecionar os rótulos porque na primeira linha temos rótulos. E nosso nível de confiança será de 95%, o que significa que teremos 95% de certeza. E essa regressão de água vai dar o resultado certo. Aqui temos a nossa saída da análise de regressão. E agora vamos destacar alguns dos dados que estamos vendo agora para interpretar nossa análise de regressão. Então vamos começar aqui. Aqui temos o quadrado r e o R-quadrado ajustado. Então esses dois números identificam a previsibilidade de nossa regressão. Então, neste caso, estamos olhando como a temperatura afeta as bebidas vendidas. E de acordo com nossos dados, é cerca de 85% influenciado pela temperatura. O R-quadrado ajustado elimina os extremos e é um pouco mais conservador do que o R-quadrado. E cada caso, no nosso caso, é quase semelhante. Então podemos dizer de acordo com a sua não são RSquared que são bebidas vendidas, é ser capaz de ser previsto pela temperatura. Nossas observações aqui é o número de linhas que basicamente tínhamos dados de EHR. Então, se formos para nossos dados aqui, você pode ver que há 84 entradas daqui. Todo o caminho até aqui. Então isso é uma série de observações. Então chegamos ao nosso nível de significância. Então nós vamos nível de significância nos dá a porcentagem que o que temos obtido é obtido por pura aleatoriedade. Então agora está cientificamente escrito. Mas se quisermos ler isto um pouco mais facilmente, podemos ir ao General. Podemos selecionar o número. E então obtemos 0.0.0. E então se continuarmos clicando para expandir, não devemos querer apontar e começar a ver alguns números. Mas isso só nos mostra o quão forte e quanto, quão baixo a porcentagem que disse que isso é obtido por puro aleatório. Vimos o gráfico e o gráfico indica definitivamente algum padrão recorrente forte. E aqui começamos a ver que é 0 e depois 35 zeros mais tarde, 30 a 1%, que isso é obtido por pura aleatoriedade. Então podemos basicamente dizer que o que estamos observando não está sendo obtido por sorte aleatória. E então, se descermos aqui, chegamos à temperatura, que é uma de nossas variáveis dependentes e independentes. E podemos ver o quão forte nossas bebidas vendidas aumentam por uma temperatura a dívida aumenta. Então, se nossa temperatura subir com um grau, nossa média esperada de bebidas vendidas por mês aumenta com 74. E nosso valor p também está nos dando a porcentagem de quanta chance que temos de que isso é obtido por pura aleatoriedade. Então novamente, se expandirmos este, obteremos o mesmo resultado aqui. Aqui temos que adicionar 40 zeros. E aqui temos que adicionar 35 zeros para conseguir um número. Então as chances de isso ser obtido por pura aleatoriedade distrito muito, muito, muito pequeno. Então, no geral, podemos concluir que há uma correlação bastante forte entre nossas temperaturas e uma bebida vendida entrar chances. A segurança que temos neste incrivelmente alto. Então, com base nisso, poderíamos dizer sim, várias relações entre temperatura e recurso de bebidas. Tudo bem, foi isso para este vídeo. Espero que esta análise de regressão lhe dê alguma idéia de como você pode encontrar correlações entre variáveis dependentes e independentes. Se você, no caso de você querer saber mais sobre isso e deixe-me saber nos comentários abaixo. E eu poderia expandir nossas aulas mais em estatísticas e um pouco mais em profundidade sobre como ler cada um desses valores. E os mais importantes que você conhece agora. Mas apenas saber um pouco mais sobre estatísticas vai ajudar você a entender tudo o que você pode melhor. Muito bem, obrigado por assistir esta aula e espero vê-lo no próximo vídeo. 9. Revisão de projetos: Olá e bem-vindo ao vídeo onde vamos rever o nosso projeto. Mas notas rápidas antes de mergulhar neste vídeo e você ainda não fez o projeto, por favor, pare o vídeo, pause o vídeo e vá fazer o projeto você mesmo primeiro. E se você está pronto para revisar, se você foi na direção certa fazendo o projeto, então sente-se junto com o vídeo e vamos ver como projetar poderia ter sido feito. Tudo bem, então vamos começar com a nossa previsão. Já preenchi o projeto aqui. E vamos começar com como fazer as previsões de soleiras 20212022. Então vamos para isso, essa análise de dados. E antes que possamos começar a criar gráfico r artificial. E queremos que as previsões sejam dados. Eu usei uma crítica de previsão sazonal. Como você poderia ter descoberto isso, que você deveria ter usado previsões, pensamento ETS, em vez de base linear, plotando o gráfico você mesmo primeiro e olhando para um padrão, você pode ver que isso é, isso deve ter alguns sazonalidade nele. Quanto aos meses estão aumentando a cada ano, que são setembro, novembro e dezembro, e março também quer aumentar um pouco. Então, com isso em mente, você já pode ver como, hey, vamos usar a versão ETS de previsão para ter certeza de que não estamos realmente a prever esta propriedade. Se você não tivesse feito isso, então neste gráfico, você deveria ter visto uma linha reta seguindo a linha de tendência. Então, se você tem isso, você simplesmente cria o gráfico. Você adiciona uma boa linha de tendência no caso de você ainda não saber disso, você edita clicando no gráfico, indo para o gráfico xi1. E aqui em cima você pode escolher na linha de tendência. Em seguida, quando você seleciona uma linha de tendência e linear neste caso, obtém a opção de basear sua linha de tendência nas vendas previstas e pressupõe relatadas. Mas como queremos comparar com transferências lineares são as tendências sazonais, você não quer baseá-lo no beta previsto. Isso não faria sentido, porque se você usá-lo e previsões de dados, você está baseando suas tendências básicas em previsões já de beta. Estou baseando que fortalecer os resultados lhe dá uma melhor comparação de sua previsão sazonal e, neste caso, sua previsão linear. Então vamos para o 20212022, chefe inferior e superior. Em sua maneira muito semelhante de chegar lá, Dan, o pobre crass dot ETS fórmula. Mas para este, você teria que calcular primeiro o intervalo de confiança. Neste caso, chegamos a 70 mil para 21 de janeiro. E então vamos usar nossas previsões, esses dados. Vamos subtrair nosso intervalo de confiança. E para o nosso limite superior, vamos adicioná-lo para a partir do nosso valor previsto. E então você tem os dados para o seu limite superior e inferior. E as 90 mil falhas que você vê aqui são copiadas e coladas de são dados já previstos. E isso vai ajudá-lo a se livrar da lacuna que você pode ter entre suas duas linhas de dados. Então, entre as linhas de dados resultantes e previstas, se você não adicionar esses 90 mil, você terá uma lacuna. E agora para alinhar bem fluxos através de uma previsão de linhas de dados. E estou a referir-me a esta parte. Bem aqui. Se você não adicionar a 90 mil, em seguida, e inclinou o seu verde e sua linha vermelha vai começar depois de um get. Só um pequeno toque. É outro muito inovador se você não adicionar isso. Então, para este, também é muito importante basear sua linha de tendência nos dados de resultados, relatou dados de vendas se você não fizer isso, e você vai, primeiro lugar, ter uma linha de tendência que é contratada linear. Deve ser porque ele começa a partir de 0 e ele assume que ele vai de 0. E começa com 90,229 vai para uma metade tiro transmitido mais alto. Então realmente baseá-lo em suas vendas gravadas. Certo, houve uma primeira parte. Então chegamos à nossa análise de regressão, algo que ela deveria ter levado em conta aqui. E em vez disso, há dois tipos diferentes de análise que fizemos. Então temos tanto a nossa análise como discutimos na classe e queria apresentar do Excel com os dados muito específicos. Também temos a parte visual. Primeiro de tudo, sua saída e deve ser assim. E podemos usar nossos dados para colá-los em nosso campo aqui. Se você obter respostas diferentes, também com os gráficos que têm loops diferentes para você, por favor, volte para o vídeo e reveja qual passo foi indo rural ou abra este arquivo Excel e veja se há alguma diferença em fórmulas para a parte de previsão do que aquelas que você usa? Se você lê-lo, meio que descobrir e deixar um comentário abaixo deste vídeo, e eu vou ajudá-lo. Então nossa força ajustada é de 52,52. Isso significa que nossa força de regressão não é tão forte, como por desconto ou PR e orçamentos de marketing ainda estão, não sobe um para um, mas é mais para 50%. Então é uma regressão medíocre. No entanto, nosso significado é incrivelmente alto. Então 0,0,0 00 e um par de zeros, 3-5 por cento significa que com essa porcentagem de visitas, a porcentagem que são dados ou regressão é obtida por pura aleatoriedade, por pura sorte e bases incrivelmente baixas. E uma espécie de regressão parece ser bastante forte. E então temos que escolher quais variáveis. Então os orçamentos de desconto ou marketing na verdade estão impulsionando essa regressão. Eu sou selecionado orçamento de marketing. E a razão para isso é que se formos para a nossa guia de regressão e você subir aqui, você pode realmente ver no valor P que a nossa média, este KM dado está longe de nos dar um significativo para obter 65%. O desconto médio dado AS tendo efeitos de regressão. E em nossos dados de vendas. No entanto, o nosso orçamento de marketing é de ponto zero, novamente, 00 alguma coisa. Vou te mostrar um pouco melhor. Então 0.0.0 e um par de 0 para 7% de chance de que essa progressão do orçamento de marketing seja obtida por sorte, por pura sorte. Então, novamente, isso é muito baixo. E, portanto, você também pode dizer que a maioria desses números para significância aqui e nosso R quadrado ajustado e nosso fora da tela aqui, e é principalmente impulsionado por balde de marketing. Então o que eu fiz, eu criei outra análise de regressão só para ver, ver isso. E como podem ver, sem o desconto médio dado a nossa força e a nossa agressão, quase permanece o mesmo, não muda muito. O significado é ainda mais forte. E nosso valor q e nossa força dessa correlação também é muito forte. Então, já podemos dizer que nossa regressão vem do orçamento de marketing. O fator chave neste é este número para 65% que o desconto médio dado como realmente tendo uma correlação efeito de regressão com dados de Suez. Portanto, não podemos supor que nosso desconto médio dada correlação de risco, mas nosso orçamento de marketing sim. Passei por visualizar isso. Eu também criei dois mais dispersos. E o que você pode ver é o aqui você pode muito visualmente, muito bem ver se áreas ou regressão acontecendo, se há uma correlação. E aqui você já pode ver que esta linha de tendência realmente não sobe. Ele realmente não vai para baixo, o que basicamente significa que não importa o quão alto o desconto dado é, ele realmente não muda as vendas, como você pode ver. E neste, você pode ver que em nosso orçamento de marketing, está claramente escrito que o contratou um orçamento de marketing. Então, para contratar nossos pensamentos. Também na maioria dos casos, maior o nosso Celsius. E como você pode ver também por esta linha de tendência subindo, uma espécie de linha de tendência leva a média de todos os nossos cofres de dados diferentes aqui. Então esta é uma ótima maneira visual de ilustrar correlações e como resultado de sua análise de regressão. No entanto, este não é realmente criado a partir dessas análises de regressão. Acabei de usá-lo a partir dos dados brutos. Então estas são duas maneiras diferentes de analisar a regressão. No entanto, este é mais visual e mais claro se você quiser fornecer informações brevemente para outra pessoa, mas este vai um pouco mais em profundidade se há realmente uma regressão acontecendo. Então foi sobre isso. Nós criamos nossos gráficos já estão colocá-los aqui. Eu carrego este arquivo como petróleo para a classe. Então, se você quiser revisá-lo, sinta-se livre para baixá-lo e entrar, entrar em si mesmo. E eu tenho ambos carregado para terminar MV persa inacabada. Então, sim, no caso novamente, qualquer dúvida me avise no vídeo abaixo e eu vou ajudá-lo. E vejo-te no próximo vídeo onde vamos encerrar a nossa aula. Obrigado por assistir. 10. Outro: Ótimo. Você chegou ao fim da aula. Então, nesta classe, aprendemos como podemos fazer previsões lineares e sazonais. E você também aprendeu a fazer e analisar uma análise de regressão. Se você ainda tiver alguma dúvida sobre o que temos aprendido nesta aula, sinta-se livre para deixar um comum abaixo, e eu responderei a você o mais rápido possível com uma solução. Caso tenha gostado desta aula. E você acha que aprendeu algo com essa aula realmente me ajudou muito. Se deixar uma crítica no meu perfil. E espero vê-lo em qualquer uma das minhas outras aulas onde eu, por exemplo, ensino sobre como criar um painel interativo no Excel. E também uma aula sobre as ferramentas básicas de análise de dados que temos um Excel. Então espero vê-lo em qualquer uma das minhas outras aulas. E obrigado por seguir este.